基于多标记学习预测药物-靶标相互作用

摘要：

对药物-靶标关联进行了研究,提出基于弱标记和多信息融合的药物-靶标相互作用预测方法PDML.通过与其他方法对比和数据库检索验证评估PDML模型的性能:与Yamanishi提出的方法、RLSMDA、LapRLS及NetCBP相比,除在核受体数据集中该方法在AUC上的性能比LapRLS略有降低之外,模型在敏感性、特异性、AUC和AUPR上的性能均优于其他四种方法;提取前5个预测分值最高的药物-靶标对,这些药物-靶标对能通过检索DrugBank、SuperTarget和KEGG数据库而得到验证.

关键词：药物-靶标相互作用、多标记学习、多信息融合、药物-靶标相互作用网络、药物相似性

分类号：TP39(计算技术、计算机技术)

资助基金：湖南省教育厅优秀青年项目14B023;湖南省教育厅一般项目13C1108,14C0115

在线出版日期：2017-08-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：260-265